对于随机森林树，哪个更好的成本函数：基尼系数或熵？

对于随机森林树，哪个更好的成本函数：基尼系数或熵？

我正在尝试在Clojure中实施随机森林。

正如我在Tan等人的《数据挖掘概论》中发现的那样。al：

研究表明，杂质度量的选择对决策树归纳算法的性能影响很小。这是因为许多杂质措施彼此非常一致。确实，用于修剪树的策略对最终树的影响要大于选择杂质度量的影响。

因此，您可以选择使用基尼索引（例如CART）或熵（例如C4.5）。

我会使用熵，更具体地说是使用C4.5的增益比，因为您可以轻松地遵循Quinlan写得很好的书：《 C4.5机器学习程序》。